KLASIFIKASI PENYAKIT PADA UNGGAS AYAM BERBASIS CITRA MENGGUNAKAN ALGORITMA CLAHE VISION TRANSFORMERS

Ferdiananda, Andhika Pradana Byantara (2026) KLASIFIKASI PENYAKIT PADA UNGGAS AYAM BERBASIS CITRA MENGGUNAKAN ALGORITMA CLAHE VISION TRANSFORMERS. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf - Published Version Download (1MB)
	Text (BAB I) BAB I.pdf - Published Version Download (242kB)
	Text (BAB II) BAB II.pdf - Published Version Restricted to Registered users only Download (918kB)
	Text (BAB III) BAB III.pdf - Published Version Restricted to Registered users only Download (318kB)
	Text (BAB IV) BAB IV.pdf - Published Version Restricted to Registered users only Download (911kB)
	Text (BAB V) BAB V.pdf - Published Version Download (83kB)
	Text (DAFTAR PUSTAKA - LAMPIRAN) Daftar Pustaka dan Lampiran.pdf - Published Version Restricted to Registered users only Download (107kB)
	Archive (SOURCE CODE) Sourcecode - 22.11.4581.zip - Published Version Restricted to Repository staff only Download (632kB)
	Text (PUBLIKASI) Publikasi.pdf - Published Version Restricted to Repository staff only Download (634kB)

Abstract

Industri peternakan ayam memiliki peran penting dalam mendukung ketahanan pangan di Indonesia, terutama sebagai sumber utama protein hewani. Namun, sektor ini menghadapi tantangan serius berupa tingginya tingkat penyebaran penyakit unggas seperti Coccidiosis, New Castle Disease (NCD), dan Salmonella. Penyakit-penyakit tersebut dapat menyebabkan kematian massal pada unggas, menurunkan produktivitas dan menimbulkan kerugian ekonomi yang besar. Proses diagnosis penyakit unggas yang masih banyak dilakukan secara manual membutuhkan keahliuan khusus dan waktu yang relatif lama, sehingga berisiko menghambat deteksi dini dan penanganan yang cepat. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi penyakit unggas berbasis citra menggunakan pendekatan deep learning dengan arsitektur Vision Transformer (ViT). Vision Transformer dipilih karena kemampuannya dalam menangkap hubungan global antar bagian citra melalui mekanisme selfattention. Untuk meningkatkan kualitas citra, diterapkan metode Contrast Limited Adaptive Histogram Equalization (CLAHE) sebagai tahap pra-pemrosesan. Peneltian ini dilakukan dengan bebebarapa skenario, yaitu tanpa CLAHE, CLAHE penuh pada channel RGB, dan CLAHE pada komponen luminance, guna menganalisis pengaruh peningkatan kontras terhadap kinerja model. Hasil penelitian menunjukkan bahwa model Vision Transformer mampu mencapai akurasi klasifikasi di atas 97% pada seluruh skenario pengujian. Namun, penerapan CLAHE tidak memberika peningkatan performa yang signifikan dibanginkan penggunaan citra asli. Penelitian ini berkontribusi dalam penerapan Vision Transformer untuk deteksi penyakit unggas secara otomatis dan dapat dimanfaatkan oleh peternak, praktisi kesehatan hewan, serta peneliti sebagai sistem pendukung pengambilan keputusan. Penelitian selanjutnya disarankan untuk menggunakan dataset yang lebih beragam dan kondisi pencahayaan yang lebih ekstrem.

Actions (login required)

View Item